Happy Meek (umamusume)
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
LoHa of Happy Meek (umamusume). LoHa 파일을 stable-diffusion-webui/models/lora 폴더에 넣고 프롬프트에 LoRA 표기를 사용하여 LoHa를 적용하세요. <**_lora_**:your_loha_name:weight>
모든 작업물은 무료입니다. 저를 응원하고 싶으시면 아이커피 사드리기를 해주세요. 👍
** NOTICE **
신중한 고민 끝에 아래 캐릭터의 LoRA를 제작하지 않기로 결정했습니다.
위 캐릭터를 원하시는 분이 계시면 고려해보겠습니다.
위에 언급한 캐릭터 외에는 Umamusume: Pretty Derby의 나머지 캐릭터들을 제작할 예정입니다. 특별 공지가 없는 한 말이에요.
학습 도중 이상한 일이 발생했습니다. 학습에 관심 있으시다면 LoRA 학습 정보 섹션의 댓글을 읽어주세요.
권장 설정
LoRA 가중치 0.6 ~ 0.7
트리거 단어
기본
- happy meek \(umamusume\)
원작 아트:
- 헤어 플라워, 헤어클립, 줄무늬 리본, 파란 리본, 브로치, 보석, 컬러드 셔츠, 드레스 셔츠, 화이트 셔츠, 파란 베스트, 화이트 자켓, 오픈 옷차림, 오픈 자켓, 풍성한 소매, 프릴 소매, 화이트 장갑, 접히는 스커트, 파란 스커트, 부츠, 화이트 신발
트라센 여름 복장:
- tracen 학교복, 여름 복장, 세라후쿠, 풍성한 소매, 보라 리본, 말굽 장식, 해적 셔츠 칼라, 해적 셔츠, 보라 셔츠, 화이트 스커트, 접히는 스커트, 프릴 스커트, 미니 스커트, 절대량리, 화이트 히프힐, 갈색 신발, 로퍼
트라센 겨울 복장:
- tracen 학교복, 귀걸이 장식, 헤어클립, 겨울 복장, 풍성한 긴 소매, 해적 셔츠 칼라, 보라 셔츠, 화이트 리본, 말굽 장식, 보라 스커트, 접히는 스커트, 보라 히프힐, 갈색 신발, 로퍼
animefull 모델을 기반으로 하거나 이와 혼합된 모델 사용을 권장합니다.
설정
DPM++ 시리즈(SDE Karras, 2M Karras 등)
약 20단계, CFG 스케일 3.5~6.5
CLIP 스킵 = 1
더 높은 품질의 이미지를 얻기 위해 Hires.fix 사용
업스케일러
- Latent, Latent (nearest-exact), Latent (bicubic antialiased) 또는 기타 Latent 계열
노이즈 제거 강도 0.50~0.65
LoRA 학습 정보
sd-scripts by kohya_ss 기반 학습
정말 감사합니다!
총 129장의 이미지 구성
저품질 47장 × 4장 = 188장
중간품질 46장 × 8장 = 368장
고품질 36장 × 16장 = 576장
→ 1 에포크 = 1132장
캐릭터 특징 태그를 happy meek \(umamusume\)으로 대체함
1girl, 빨간 눈, 분홍 머리카락, 단순한 배경, 솔로, 꼬리, 머리끈, 하얀 머리카락, 공식 대체 복장, 긴 머리카락, 대체 헤어스타일, 갈색 눈, 말 귀, 보라 눈, 말 소녀, 갈색 머리카락, 금발 머리카락, 대체 길이의 헤어스타일, 앞머리, 말 꼬리, 뚜렷한 앞머리, 동물 귀, 분홍 눈, 노랑 눈, 짧은 머리카락, 회색 머리카락, 밝은 갈색 머리카락, 뱅처럼 묶은 머리, 중간 길이 머리카락, 세이운 스카이 \(umamusume\), 단정머리
이 태그들이 하피 미크의 핵심 요소라고 생각하며,
중복으로 인해 학습에 필요 없을 것으로 판단합니다.
해상도: 768x768, 종횡비 버킷팅 사용
기타 학습 설정은 학습 데이터 또는 LoRA 파일의 메타데이터에 포함되어 있습니다.
유키노 비진, 뉴 우니버스, 진노 로브 로이, 라이트 헬로, 트라센 스태프, 이네스 후지인, 이나리 원, 타니노 깜릿은 텍스트 인코더(TE) 학습률을 U-Net 학습률보다 5배 높게 설정해 학습했습니다.
매우 흥미로운 현상입니다. 대부분은 TE 학습률을 U-Net보다 낮게 설정합니다. 저는 실수를 했지만 좋은 결과를 얻었습니다. 왜 이런 LoRA가 작동하는지 이해할 수는 없지만, 올바른 학습률 설정의 단서가 될 수 있을 것 같습니다.
하피 미크 학습 도중 이 현상을 발견했습니다. 학습 중 손실이 nan으로 변했습니다. 하피 미크는 두 개의 토큰을 사용하기 때문에, 트리거 단어의 토큰 수가 적고 TE 학습률이 높아지면서 모델이 붕괴되었을 것이라 추측합니다.
업로드된 모든 이미지는 AOM3A1로 생성되었습니다.
또한, 제 최고의 친구 DH에게 특별한 감사를 드립니다.